- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据结构与算法
内存的计算
因为本人考试经常MLE，所以想总结一下与内存计算有关的内容 内存计算公式 内存=变量数量*变量类型所占的字节/1024/1024（M） 常见的变量类型所占的字节 bool 1 char 1 int 4 8 double 8 long double 12 short 2 float 4 如果忘记了可以使用sizeof函数查看 1 printf("%d",sizeof(a)); 常见数组大小所占的内存
1.5K100发布于 2018-04-10 - 来自专栏强仔仔
对象内存计算神器
今天给大家介绍一个对象内存计算神奇。jvm内存溢出的时候，我们可以通过很多方法查看原因，很多时候也需要查看具体是哪一个大对象导致内存溢出。 这里要介绍的是lucene提供的专门用于计算堆内存占用大小的工具类：RamUsageEstimato maven坐标： <! > <version>4.0.0</version> </dependency> RamUsageEstimator就是根据java对象在堆内存中的存储格式，通过计算Java对象头、实例数据、引用等的大小 (Object obj) 点评：使用该第三方工具比较简单直接，主要依靠JVM本身环境、参数及CPU架构计算头信息，再依据数据类型的标准计算实例字段大小，计算速度很快，另外使用较方便。 如果非要说这种方式有什么缺点的话，那就是这种方式计算所得的对象头大小是基于JVM声明规范的，并不是通过运行时内存地址计算而得，存在与实际大小不符的这种可能性。
4.5K40发布于 2019-07-01 - 来自专栏小陈飞砖
android计算bitmap内存及内存优化
参考： https://www.cnblogs.com/dasusu/p/9789389.html http://www.cocoachina.com/articles/30884 计算公式： 1、 则跳过这步） 新图的高度 = Sample高度 * (设备的 dpi / 目录对应的 dpi ) 新图的宽度 = Sample宽度 * (设备的 dpi / 目录对应的 dpi ) 3、 bitmap内存 options.inSampleSize = 4; options.inBitmap = mLastBitmap; //bitmap内存复用 bitmap.getAllocationByteCount() ：使用options.inBitmap时，bitmap实际使用的内存。 内存优化： 1、设置inSampleSize 2、不影响用户体验的情况下：Bitmap.Config.ARGB_4444 举例： 1、 2、
81110编辑于 2022-06-25 - 来自专栏大数据
内存计算网格解释
IMCG - 内存计算网格 Dmitriy提出的主要想法之一便是内存存储（IMDG）和内存处理（IMCG）两者相互集成的重要性，这能够方便构建真正可扩展的应用程序。 IMDG关注于通过把数据分布在网格之间可用的计算机中从而解决数据分布式内存存储和大数据集管理，而IMCG更专注于在同一网格上的同一组计算机上有效地执行算法（即用户代码或指令）。 这就是两者的区别所在：IMDG是存储和管理内存中的数据，而IMCG则是处理和计算相同数据的全部内容。 ，然后在内存中生成中间结果，最后创建结果内存。 与IMDG整合 与基于亲和性路由的IMDG集成是计算和数据网格技术背后的关键概念之一（无论是内存还是基于磁盘）。通常，关联路由允许共同定位作业和该作业需要处理的数据集。
2.1K90发布于 2018-05-29 - 来自专栏全栈程序员必看
Bitmap的内存计算
本文聚焦的问题 1、Bitmap中像素数据占用多大内存？如何计算？ 2、不同图片来源对内存大小有什么影响？ （以Android 8.0+平台为例，这行代码执行后占用的总内存大小=bitmap在栈上的引用大小+bitmap指向的堆中的对象大小+指向的对象持有的native像素数据大小，先只关注像素数据，以后再研究其他几部分的内存占用如何计算 像素数据的内存=图片宽 x 图片高 x 单个像素内存大小， 这里宽高均为100，单个像素的内存因为是ARGB_8888格式所以为4x8bit = 4byte，总大小=100x100x4byte。 一张100×100的png图片，放在下面各个不同位置，以720×1080像素4.8寸的手机（像素密度305，属于xhdpi）去加载，都加载为ARGB_8888格式，计算加载后的bitmap像素数据内存大小 xhdpi设备上，要缩小320/480倍，加载后bitmap宽高75×75，内存75x75x4byte res/drawable-xxhdpi文件夹计算方式类似。
1.5K20编辑于 2022-07-20 - 来自专栏一名合格java开发的自我修养
Spark的误解-不仅spark是内存计算，hadoop也是内存计算
市面上有一些初学者的误解，他们拿spark和hadoop比较时就会说，Spark是内存计算，内存计算是spark的特性。 请问在计算机领域，mysql,redis,ssh框架等等他们不是内存计算吗?依据冯诺依曼体系结构，有什么技术的程序不是在内存中运行，需要数据从硬盘中拉取，然后供cpu进行执行？ 所有说sprk的特点是内存计算相当于什么都没有说。那么spark的真正特点是什么? Spark是内存计算没有错误，但是这并不是它的特性，只是很多专家在介绍spark的特性时，简化后就成了spark是内存计算。 什么样是内存技术？就是允许你将数据持久化在RAM中并有效处理的技术。 操作系统中的API都只能让你把数据从块设备加载到内存，然后计算完的结果再存储到块设备中。我们无法直接在HDD设备上计算；所以现代系统中的所有处理基本上都是在内存中进行的。
1.7K21发布于 2018-08-29 - 来自专栏JAVA高级架构
JVM内存管理--计算机内存和Java内存组件
寄存器用于存储计算单元执行指令的中间结果，寄存器大小决定了一次计算的可使用的最大值，连接RAM和处理器或者寄存器和处理器的叫做地址总线，地址总线决定了处理器最大的寻址空间，32位总线宽度可以拥有2的32 次方个内存位置，所以32位总线可以拥有4G的内存空间。 每个程序运行的时候会向系统申请一段独立的内存空间，但随着程序的庞大和任务的复杂性，物理内存无法满足需求，此时就有了虚拟内存，虚拟内存可以使多个进程在同时运行时可以共享物理内存，这里的共享只是空间上的共享 ，逻辑上它们依然独立，当然虚拟内存还可以扩展内存空间。 一旦申请完成，堆的大小就固定，不能在内存不够时再向系统申请，当然同理内存空闲的时候它也不会将内存还回去，就是自成世界了，另立门户了，生死由己！
1.4K140发布于 2018-04-19 - 来自专栏存储公众号：王知鱼
计算向左，内存向右；ScaleUp Fabric与内存池化
内存池化变革：了解Fabric附加内存（FAM）和内存池化技术如何通过CXL和UALink实现内存独立扩展，构建更灵活、经济的AI计算平台。 全文概览 随着AI大模型参数规模的爆炸式增长，对计算和内存资源的需求已达到前所未有的高度。 CXL和UALink等开放标准能否通过创新的“内存池化”技术，实现内存与计算的解耦，从而开启AI基础设施的新篇章？ 实现了真正的独立扩展： 这张图展示的架构允许用户独立扩展计算或内存。 如果一个大型LLM推理任务需要海量内存但计算量不大，用户可以只向Fabric中添加“Memory Switch”模块（即内存），而无需购买昂贵的、计算力过剩的GPU。
52610编辑于 2025-11-29 - 来自专栏卓越笔记
DDR3 内存带宽计算
内存带宽计算公式：带宽=内存核心频率×内存总线位数×倍增系数/8。 核心频率即为内存Cell阵列(Memory Cell Array)的工作频率，它是内存的真实运行频率； 时钟频率即I/O Buffer（输入/输出缓存）的传输频率； 有效数据传输频率则是指数据传送的频率 同时DDR3内存的时钟频率提高到了存储单元核心的4倍。也就是说DDR3-800内存的核心频率只有100MHz，其I/O频率为400MHz，有效数据传输频率则为800MHz。 下面计算一条标称DDR3 1066的内存条在默认频率下的带宽： 1066是指有效数据传输频率，除以8才是核心频率。一条内存只用采用单通道模式，位宽为64bit。 所以内存带宽=(1066/8)×64×8=68224Mbit。 由此可知，如果内存工作在标称频率的时候，可以直接用标称频率×位宽，简化公式。
4.6K20编辑于 2023-02-18 - 来自专栏MyTechnology
计算机硬件：内存
内存介绍 内存是计算机中CPU和硬盘数据交互的桥梁。默认情况下，CPU从内存读写数据，内存从硬盘读写数据。 为了提升效率，一般在开机或者软件在运行的时候，会将常用数据直接从硬盘直接读入内存，以待后续CPU使用，提高计算机运行效率。 内存条分为：笔记本、台式机 内存选购 选购参数：容量、频率 选购多条内存或者升级计算机内存的时候，最好选购同品牌，同频率的产品，否则会有兼容问题，会造成蓝屏或重启。 内存常见故障 台式机开机点不亮显示器 台式机运行了一段后突然一天开机显示器不亮(点不亮)的情况，一般是由于内存条上的金手指（内存和主板插槽接触的铜片）氧化，拔下来用橡皮或者粗糙的纸擦擦就好了
1.2K10发布于 2020-07-31 - 来自专栏开源部署
计算机硬件-内存
一、内存介绍 内存是计算机中最重要的部件，它是计算机中的一个中间件。解决了CPU和硬盘之间速度严重不对等的问题，是CPU和硬盘数据交互的桥梁。默认情况下，CPU从内存读写数据，内存从硬盘读写数据。 为了提升效率，一般在开机或者软件在运行的时候，会将常用数据直接从硬盘直接读入内存，以待后续CPU使用，提高计算机运行效率。 二、内存工作原理 计算机在开机加载系统的时候，会把系统常用的数据从硬盘调入内存，方便CPU直接从内存获取数据，避免了从低速的硬盘 拿数据造成用户等待，给用户不好的体验；当然用户在使用APP的时候也是同样的道理 这是内存的读操作。当然，写操作也是一样的道理，也需要经过内存在到硬盘，用户在计算机操作过程中临时产生的数据 也是暂存内存，通过用户保存或者内存数据刷新机制写入到硬盘。 四、内存选购 选购参数：容量、频率 选购多条内存或者升级计算机内存的时候，最好选购同品牌，同频率的产品，否则会有兼容问题，会造成蓝屏或重启。
1.4K10编辑于 2022-09-15 - 来自专栏让技术和时代并行
计算机中内存地址计算问题
在软件设计师考试中经常会出现这种题目 例如（2013年下半年的软件设计师考试题目） 地址编号从80000H到BFFFFH且按字节编址的内存容量为( )KB,若用16K*4bit的存储器芯片构成该内存 那么内存容量我们就可以这样来计算 = BFFFF - 80000+1 = C0000 - 80000 = （C - 8）* 16^4 = 4* 16^4 = 4* 2^16 因为1KB = 2 ^10bit 所以 = 4*2^6 = 256KB 你也可以直接按照十六进制进行计算 = 40000（十六进制） = 4 * 16^4（十进制） 所以内存容量为(256)KB 因为内存是按字节编址的
2.6K30发布于 2019-04-16 - 来自专栏韩曙亮的移动开发专栏
【Android 内存优化】Bitmap 内存占用计算 ( Bitmap 图片内存占用分析 | Bitmap 内存占用计算 | Bitmap 不同像素密度间的转换 )
文章目录 一、Bitmap 内存占用 二、Bitmap 内存占用计算示例 三、Bitmap 内存占用与像素密度 四、Bitmap 内存占用与像素密度示例 一、Bitmap 内存占用 ---- 在 Android W \times H \times 2 字节 ; Android 中 Bitmap 在内存中的大小与图片大小无关 , 只与像素格式和像素点个数有关 ; 内存中的大小只与分辨率有关 , 与磁盘大小无关 ; 二、Bitmap 内存占用计算示例 ---- 1. Bitmap 占内存大小计算 : Android 中默认使用 ARGB_8888 像素格式 , 每个像素点占 4 字节 , 上图宽 5224 , 高 2678; 5224 \times 2678 \ times 4 = 55,959,488 最终 Bitmap 在内存中的大小是 55,959,488 字节 ; 三、Bitmap 内存占用与像素密度 ---- 1 .
17.1K20编辑于 2023-03-27 - 来自专栏智能大数据分析
Spark分布式内存计算框架
一、Spark简介 （一）定义 Spark是一种基于内存的、用以实现高效集群计算的平台。准确地讲，Spark是一个大数据并行计算框架，是对广泛使用的MapReduce计算模型的扩展。 是基于内存计算的大数据并行计算框架，可用于构建大型的、低延迟的数据分析应用程序。 2010年开源。 2013年6月成为Apache孵化项目。 Spark实现了高效的DAG执行引擎，可以通过基于内存来高效处理数据流。计算的中间结果是存在于内存中的。 二、Spark生态系统 Spark的设计遵循“一个软件栈满足不同应用场景”的理念，逐渐形成了一套完整的生态系统，既能够提供内存计算框架，也可以支持SQL即席查询、实时流式计算、机器学习和图计算等 为了避免多次计算同一个RDD，可以用persist()或cache()方法来标记一个需要被持久化的RDD，一旦首次被一个行动（Action）触发计算，它将会被保留在计算结点的内存中并重用。
94010编辑于 2025-01-22 - 来自专栏用户4077185的专栏
Android | 计算图片占用内存大小
dp 设备独立像素值，也就是我们定义在布局文件中的值，但是最终会根据系统计算转为 px。 计算的方式就是 112 * 131 * 4 = 58688 。 计算的方式就是 112 * 131 * 2 = 29344 ，565 刚好是两个字节。 图片占用内存的计算公式 分辨率 * 像素点大小，也就是 长 * 宽 * 像素点大小，像素点大小是根据加载方式来定的，例如 ARGB_8888 占 4 个字节，RGB_565 占 2 个字节。 如果不对图片进行优化处理，那么 Android 系统就会根据图片不同来源决定是否需要对原图分辨率进行转换在加载进内存 其他图片如，assets，磁盘，流等图片都是按照原图分辨率来计算大小 基于上面的分析
3.9K40编辑于 2022-04-15 - 来自专栏柒八九技术收纳盒
计算机底层知识之内存
今天，我们继续「计算机底层知识」的探索。我们来谈谈关于「小数运算」的相关知识点。 如果，想了解该系列的文章，可以参考我们已经发布的文章。如下是往期文章。 文章list 计算机底层知识之CPU 计算机底层知识之二进制 计算机底层知识之处理小数 你能所学到的知识点 ❝ 内存的物理机制 「推荐阅读指数」 ⭐️⭐️⭐️⭐️⭐️ 内存的逻辑模型是楼房 「推荐阅读指数 ---- 计算机是进行「数据处理」的设备，而程序表示的就是处理顺序和数据结构。由于处理对象（数据）是存储在「内存」和「磁盘」上的，因此我们今天来聊聊内存和磁盘。 ---- 内存的物理机制 ❝内存实际上是一种名为「内存IC」的电子元件。 又因为1024=1K，所以内存IC的容量就是1KB。 向内存IC读写数据 写入数据 假设我们往内存IC中写入1字节的数据。
57410编辑于 2022-12-19 - 来自专栏老九学堂
小议计算机内存&字节
内存 计算机内存是由一个有序的字节序列组成，用于存储程序及程序需要的数据。你可以将内存想象成计算机执行程序的工作区域。一个程序和它的数据在被CPU执行前必须移到计算机的内存中。 因为可以按任意顺序存取字节，所以内存也被称为随机访问存储器（Random-Access Memory，RAM）。 现在的个人计算机通常至少有4GB的RAM，但是它们一般装有6~8GB的内存。 通常而言，一个计算机具有的RAM越多，它的运行速度越快，但是这条简单的经验法则是有限制的。 内存中字节的内容永远非空，但是它的原始内容可能对于你的程序来说是毫无意义的。 计算机内存也是一种易失的数据保存形式：断电时存储在内存中的信息就会丢失。程序和数据被永久地存放在存储设备上，当计算机确实要使用它们时再移入内存，因为从内存读取比存储设备读取要快得多。 [C]）是计算机信息技术用于计量存储容量的一种计量单位，也表示一些计算机编程语言中的数据类型和语言字符。 一个字节等于8位二进制数，在UTF-8编码中，一个英文字符等于一个字节。
1K20编辑于 2022-03-15 - 来自专栏开发内功修炼
看懂服务器 CPU 内存支持，学会计算内存带宽
在其中我们看到有一个内存控制器。 关于CPU内存控制器中会有很多专技术细节。例如下面是Skylake 代际 CPU 对内存的支持情况。 该 CPU 支持的内存数据频率是 2666MT/s，理论上每秒钟可以传输 2666M 次数据。由于现在都是 64 位的计算机。 这种内存由于容量小，所以在个人台式机上用的比较多。 下图是一个台式机的 UDIMM 16GB 内存条。该内存条背面是空的，总共有八个黑色的内存颗粒。 即使内存出现了比特翻转，可能影响的只是一个像素值，没有太大的影响，也很难感觉出来。 在服务器应用中，处理的一般都是非常重要的计算，可能是一些推荐计算，也可能是一笔订单交易，对出错的容忍度是很低的。 单通道内存的带宽是根据内存的数据频率计算出来的，由于数据频率是 2666M，所以算得单通道带宽为 21.33 GB/s。由于总共有 6 个通道，所以总的带宽可以达到 128 GB/s。
17.9K12编辑于 2024-04-17 - 来自专栏码农沉思录
计算机内存管理介绍
计算机操作系统内存管理是十分重要的，因为其中涉及到很多设计很多算法。《深入理解计算机系统》这本书曾提到过，现在操作系统存储的设计就是“带着镣铐跳舞”，造成计算机一种一种容量多，速度快的假象。 所以在学习操作系统之余我来介绍并总结一些操作系统的内存管理。 首先我们看一下计算机的存储层次结构 ? 按照金字塔结构可以分为四种类型: 寄存器，快速缓存，主存和外存。 需求： 每个程序员希望没有第三方因素干扰程序运行 计算机希望将有限的资源尽可能为多个用户提供服务 为了满足需求的目标: 计算机至少同时存在一个用户程序和一个服务器程序(操作系统内核管理) 每个程序互不干扰 这种情况下，用户程序地址可以在运行之前就可以计算出来。 我们通过加载器计算程序运行之前的物理地址静态翻译。此时既不需要额外实现地址独立和地址保护。 在可变分区中，知道内存的空闲空间大小就十分重要了。OS通过跟踪内存使用计算出内存有多少空闲。跟踪的方法有两种: 位图表示法 也就是所谓的bitmap，用每一位来存放某种状态。
80530发布于 2019-05-05 - 来自专栏aoho求索
轻松理解计算机的内存模型及Java内存模型
为什么要有内存模型 在介绍Java内存模型之前，先来看一下到底什么是计算机内存模型，然后再来看Java内存模型在计算机内存模型的基础上做了哪些事情。 要说计算机的内存模型，就要说一下一段古老的历史，看一下为什么要有内存模型。 内存模型，英文名Memory Model，他是一个很老的老古董了。他是与计算机硬件有关的一个概念。 CPU和缓存一致性 我们应该都知道，计算机在执行程序的时候，每条指令都是在CPU中执行的，而执行的时候，又免不了要和数据打交道。而计算机上面的数据，是存放在主存当中的，也就是计算机的物理内存啦。 可是，不能因为内存的读写速度慢，就不发展CPU技术了吧，总不能让内存成为计算机处理的瓶颈吧。 所以，人们想出来了一个好的办法，就是在CPU和内存之间增加高速缓存。 这里面提到的主内存和工作内存，读者可以简单的类比成计算机内存模型中的主存和缓存的概念。
1.6K20发布于 2019-06-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号